[发明专利]基于度量学习和深度特征学习的植物叶片识别系统及方法

权利要求书

1.一种基于度量学习和深度特征学习的植物叶片识别系统，其特征在于，该系统包括IOS客户端和与所述IOS客户端通过无线网络相连接的服务器端，其中：

所述IOS客户端，用于首先获取植物叶片图像后进行预处理，然后将预处理后的植物叶片图像通过所述IOS客户端的人机交互页面选取本地识别路径或服务器端识别路径发出请求，针对本地识别路径请求，调用自身网络模型进行植物叶片识别，针对服务器端识别路径请求，将预处理后的植物叶片图像无线发送至所述服务器端；

所述服务器端，用于接收服务器端识别路径请求下来自所述IOS客户端预处理后的植物叶片图像，并调用基于分段损失加权的生成式对抗网络进行识别。

2.根据权利要求1所述的一种基于度量学习和深度特征学习的植物叶片识别系统，其特征在于，所述的IOS客户端包括图像采集模块、图像上传模块、图像识别模块、图像处理模块、客户端数据存储模块和客户端网络通信模块，所述的人机交互页面与所述图像采集模块和图像上传模块分别连接，所述的图像处理模块分别与所述图像采集模块、图像上传模块、图像识别模块、人机交互页面、客户端数据存储模块和客户端网络通信模块相连接，所述的图像上传模块与所述客户端数据存储模块相连接，所述客户端网络通信模块与所述服务器端相连接。

3.根据权利要求1所述的一种基于度量学习和深度特征学习的植物叶片识别系统，其特征在于，所述的服务器端包括用于对外联网的流量分发服务器以及用于根据分发规则对请求分别进行发放的多个工作服务器，每个工作服务器还分别各自设有从属备份服务器，所述的流量分发服务器自身还设有备份服务器。

4.一种基于如权利要求1至3中任一项所述的基于度量学习和深度特征学习的植物叶片识别系统的植物叶片识别方法，其特征在于，该方法包括以下步骤：

步骤1：所述IOS客户端获取植物叶片图像后，对图像通过采取交互式的方式进行图片复杂背景去除操作；

步骤2：用户根据自身需求在所述IOS客户端的人机交互页面上选取识别途径，若选择本地识别路径请求，则执行步骤3，若选择服务器端识别路径请求，则执行步骤4；

步骤3：用户选择本地快速识别后，所述人机交互页面将控制信号发送至所述图像识别模块，所述图像识别模块调用部署于所述IOS客户端的模型对步骤1中经过处理的植物叶片图像直接进行识别，并于所述人机交互页面实时展示识别结果；

步骤4：用户选择服务器端识别后，所述人机交互页面将控制信号发送至所述图像处理模块并利用其对图片进行压缩处理，压缩处理完毕后随着所述人机交互页面发送请求至所述服务器端的同时，将压缩处理的图像通过无线网络传输至所述服务器端；

步骤5：所述服务器端接收来自所述IOS客户端传来的图像数据后，调用部署于自身的模型对图像数据进行植物叶片识别，并返回结果至所述IOS客户端的人机交互页面上实时展示识别结果。

5.根据权利要求4所述的一种基于所述的基于度量学习和深度特征学习的植物叶片识别系统的植物叶片识别方法，其特征在于，所述的步骤3中部署于所述IOS客户端的模型为轻量级网络模型mobileNet。

6.根据权利要求4所述的一种基于所述的基于度量学习和深度特征学习的植物叶片识别系统的植物叶片识别方法，其特征在于，所述步骤5中部署于自身的模型为基于分段损失加权的生成式对抗网络模型。

7.根据权利要求6所述的一种基于所述的基于度量学习和深度特征学习的植物叶片识别系统的植物叶片识别方法，其特征在于，调用所述基于分段损失加权的生成式对抗网络模型对图像数据进行植物叶片识别的过程中控制度量学习在不同的训练阶段采用不同形式的损失，训练前期采用第二种形式损失函数，训练过程中，负样本与选定样本之间的距离和正样本与选定样本之间的距离小于margin时，切换采用第一种形式损失函数。